Introducción al Procesamiento Biomédico
- La imagen médica es un proceso de extracción de información biológica fidedigna.
- Impacto directo en la interpretabilidad diagnóstica.
- Base fundamental para el desarrollo de sistemas de IA Confiable.
2. Percepción Visual y Color
- Limitación de RGB: Falta de uniformidad perceptual para análisis cuantitativo.
- Espacio CIELAB:
- \(L^*\): Luminosidad (información estructural).
- \(a^*, b^*\): Componentes cromáticos.
- Aplicación: Crítico en patología digital y endoscopia.
3. Caracterización del Ruido Clínico
El ruido es un proceso estocástico dependiente de la física de adquisición:
- Ruido de Poisson (Cuántico):
- Dominante en Rayos X y TC.
- \(\sigma^2 \propto \text{Intensidad de la señal}\).
- Ruido Gaussiano (Electrónico):
- Originado por la instrumentación y digitalización.
4. Métricas de Desempeño
Para que una patología sea detectable, debe superar el umbral de ruido:
Contrast-to-Noise Ratio (CNR): \[CNR = \frac{|\mu_{tumor} - \mu_{sano}|}{\sigma_{ruido}}\]
- Evalúa la diferencia de intensidad entre tejidos normalizada por el ruido ambiental.
5. Resolución Espacial y la MTF
La resolución no es solo el tamaño de la matriz, es una propiedad dinámica.
- PSF (Point Spread Function): Respuesta del sistema a un punto infinitesimal \(\delta(x,y)\).
- MTF (Modulation Transfer Function): \[MTF(u,v) = \frac{|\mathcal{F}\{PSF\}|}{|\mathcal{F}\{PSF\}_{(0,0)}|}\]
- Cuantifica la pérdida de contraste en función de la frecuencia espacial (\(lp/mm\)).
7. Interpretación Clínica de la MTF
- \(f_{50}\): Frecuencia donde se pierde el 50% del contraste (nitidez percibida).
- \(f_{10}\): Límite de resolución detectable por el ojo humano.
- Mamografía: Requiere MTF alta en frecuencias elevadas (\(10-15 lp/mm\)).
- TC Corporal: Centrado en frecuencias bajas para contraste de tejidos blandos.
Conclusiones
- La cuantización limita la sensibilidad del contraste.
- El ruido cuántico impone el límite fundamental de detectabilidad.
- La MTF es la métrica definitiva para validar la cadena de adquisición.
- Sin métricas objetivas (CNR, MTF), la validación de IA carece de sustento físico.